一种活销塞孔缺陷检测系统及方法与流程

本发明涉及内燃机制造和质量检测，尤其涉及一种活销塞孔缺陷检测系统及方法。

背景技术：

1、活销塞孔是内燃机和其他机械装置中的关键组成部分，其完整性对整个机械的性能至关重要。活销塞孔的缺陷，如裂纹、磨损或变形，可能导致机械故障或性能下降。传统的缺陷检测方法主要依赖于人工视觉检查或简单的自动化图像处理技术，这些方法往往不能准确地识别微小或复杂的缺陷，且效率低下，无法满足高速生产线的需求。

2、此外，现有技术在处理多种光谱数据方面通常缺乏灵活性，难以根据不同类型的缺陷和变化的环境条件自动调整检测设置。这限制了检测系统的适用性和可靠性，特别是在多变的工业环境中。

3、现有技术还常常缺乏有效的数据输出和交互界面，使得操作人员难以理解和操作检测系统，从而降低了检测的准确性和效率。

技术实现思路

1、针对现有技术的不足，本发明提出一种活销塞孔缺陷检测系统及方法，利用多光谱成像技术，通过改进的自适应光谱选择控制器根据缺陷类型和环境光条件自动选择最佳光谱，自适应图像预处理和优化边缘增强滤波算法自动调整滤波参数，利用先进的卷积神经网络和支持向量机模型，系统可以精确分类和评级缺陷，提高了评估的准确性和可靠性。

2、为了实现上述目的，本发明通过如下的技术方案来实现：

3、一种活销塞孔缺陷检测系统，包括：

4、图像采集模块，包括多光谱成像设备，用于在不同的光谱范围内捕获活塞销塞孔的图像；

5、图像分析模块，用于对采集的所述图像进行多维度处理和分析，识别缺陷类型和位置；

6、评估模块，用于根据图像分析结果对缺陷的严重性进行评级；

7、数据输出模块，用于根据所述图像分析模块提供的数据，对检测到的缺陷进行严重性评估；其中，所述多光谱成像设备通过改进的自适应多光谱图像融合算法增强系统对微小缺陷的检测能力，提高检测准确性。

8、作为本发明的一种优选方案，所述多光谱成像设备包括：

9、红外、紫外和可见光成像传感器，每个传感器专门用于捕获相应光谱范围内的图像；

10、自适应光谱选择控制器，根据被检测的缺陷类型和环境光条件自动选择最优光谱设置；

11、光谱融合模块，用于整合不同光谱图像，增强缺陷特征的可视化效果。

12、作为本发明的一种优选方案，所述图像分析模块进一步包括一种自适应图像预处理和优化边缘增强滤波算法的，具体步骤如下：

13、每一个像素i(x,y)在输入的多光谱图像中：

14、

15、式中，x和y是像素的坐标；max(i)和min(i)分别为图像i中的最大值和最小值；inorm(x,y)为归一化的像素值；

16、对每一个像素i(x,y)，计算n×n邻域内的局部方差，公式为：

17、

18、式中，σ2(x,y)为计算出的局部方差；i和j为n×n邻域内的偏移量；n为邻域的大小；μ是像素(x,y)的n×n邻域的平均亮度；

19、根据局部方差调整滤波器的核心尺寸，公式为：

20、

21、式中，α为控制滤波核心尺寸的调整强度；k为根据图像局部方差动态调整的滤波器核大小；

22、应用自适应高斯滤波，公式为：

23、σg＝β×局部对比度

24、式中，σg为高斯滤波的标准差；β为调整高斯滤波标准差的参数；局部对比度为局部区域内像素值的差异程度；

25、使用sobel算子进行边缘检测，其中自适应阈值t被用于确定边缘，公式为：

26、

27、式中，gx和gy为图像在x和y方向上的梯度；t为根据图像的全局或局部特性动态计算的阈值。

28、作为本发明的一种优选方案，所述评估模块使用基于图像特征的机器学习模型来评估缺陷的严重性，通过学习历史缺陷数据自动更新评估标准，

29、向量机svm模型在特征空间中寻找一个最优的分割超平面，优化过程如下：

30、训练数据集(xi,yi)，其中，xi为特征向量；yi∈{+1,-1}为类标签；

31、基于所述向量机svm确定权重向量w和偏差项b，公式为：

32、yi(w*xi+b)≥1；

33、引入松弛变量ξi≥0，得到公式为：

34、

35、式中，yi(w·xi+b)≥1-ξi；c为控制误差项和模型复杂度之间的权衡，c值越大，模型对训练数据的拟合越严格，反之，c值越小，模型对训练数据的拟合越宽松，svm通过核函数将输入空间映射到高维特征空间；

36、选用rbf核，核函数表达式为：

37、k(xi,xj)＝exp(-γ||xi-xj||2)

38、式中，xi和xj为输入向量；γ为核函数的参数，较大的γ值使得决策边界更加复杂和尖锐；较小的γ值使得决策边界更平滑。

39、作为本发明的一种优选方案，所述机器学习模型为一个高级的基于卷积神经网络cnn的深度学习模型，具体包括：

40、采用具有多个卷积层和池化层的网络架构，每层设计1×11×1到5×55×5大小的卷积核；

41、所述卷积层中的滤波器设计用于捕获细微的缺陷，同时结合余弦退火策略动态调整学习率；

42、集成图像的旋转0°到360°、缩放0.8倍到1.2倍和数据增强策略。

43、作为本发明的一种优选方案，所述数据输出模块包括一个交互式用户界面，用于高清晰度地展示缺陷图像，并具备以下功能：

44、用户可以通过缩放、旋转及切换不同视角的功能详细查看每个缺陷的图像；实时显示每个缺陷的严重性评级，并通过直观的图表和指标展示。

45、作为本发明的一种优选方案，所述用户界面进一步具备以下交互功能：用户即时调整检测参数，界面立即反馈调整后的效果；

46、集成用户反馈机制，用户提交对检测算法的改进建议，系统将自动调整学习模型；提供指导教程，帮助新用户理解如何操作系统和解读结果。

47、一种活销塞孔缺陷检测方法，所述方法包括：

48、使用多光谱成像设备在红外、紫外和可见光谱中捕获活销塞孔的图像；自动选择最优光谱设置，通过自适应光谱选择控制器根据缺陷类型和环境光条件调整；

49、应用光谱融合模块整合不同光谱的图像，以增强缺陷特征的可视化效果；

50、利用图像分析模块对融合后的图像进行多维度分析，识别出缺陷的类型和位置。

51、作为本发明的一种优选方案，所述方法进一步包括：

52、对多光谱图像进行自适应预处理和优化边缘增强滤波，调整滤波参数以优化对缺陷边缘的识别；

53、使用sobel算子结合动态阈值进行边缘检测，精确识别缺陷边缘；

54、应用基于卷积神经网络的深度学习模型对识别出的缺陷进行分类，确定严重性，并通过机器学习模型自动更新评估标准。

55、作为本发明的一种优选方案，所述方法进一步还包括：

56、通过交互式用户界面显示详细的缺陷图像和相应的评级结果；

57、允许用户实时调整检测参数，并立即在界面上反馈调整的效果；

58、收集用户反馈并自动调整深度学习模型，优化缺陷检测的准确性；

59、提供教育模块，帮助用户理解检测结果和操作系统。

60、与现有技术相比，本发明的有益效果是：利用多光谱成像技术，能够捕捉更全面的缺陷图像，提高了对微小和复杂缺陷的识别能力。通过改进的自适应光谱选择控制器根据缺陷类型和环境光条件自动选择最佳光谱，优化了图像质量和检测效率。自适应图像预处理和优化边缘增强滤波算法自动调整滤波参数，根据实时图像数据优化缺陷的边缘识别。利用先进的卷积神经网络和支持向量机模型，系统可以精确分类和评级缺陷，提高了评估的准确性和可靠性。交互式用户界面提供高清晰度的缺陷图像展示，支持图像的缩放、旋转和多视角查看，增强了用户的操作便利性。界面允许用户实时调整检测参数并立即反馈效果，使操作者能够根据需要优化检测设置。集成的用户反馈机制和自动学习功能使系统能够根据用户反馈和历史数据自动优化检测算法，提升了系统的长期性能和适应性。提供的教育模块帮助新用户快速掌握系统的使用方法和解读检测结果，降低了操作难度。

技术特征：

1.一种活销塞孔缺陷检测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的一种活销塞孔缺陷检测系统，其特征在于，所述多光谱成像设备包括：

3.根据权利要求1所述的一种活销塞孔缺陷检测系统，其特征在于，所述图像分析模块进一步包括一种自适应图像预处理和优化边缘增强滤波算法，具体步骤如下：

4.根据权利要求1所述的一种活销塞孔缺陷检测系统，其特征在于，所述评估模块使用基于图像特征的机器学习模型来评估缺陷的严重性，通过学习历史缺陷数据自动更新评估标准，

5.根据权利要求4所述的一种活销塞孔缺陷检测系统，其特征在于，所述机器学习模型为一个高级的基于卷积神经网络cnn的深度学习模型，具体包括：采用具有多个卷积层和池化层的网络架构，每层设计1×11×1到5×55×5大小的卷积核；

6.根据权利要求1所述的一种活销塞孔缺陷检测系统，其特征在于，所述数据输出模块包括一个交互式用户界面，用于高清晰度地展示缺陷图像，并具备以下功能：

7.根据权利要求6所述的一种活销塞孔缺陷检测系统，其特征在于，所述用户界面进一步具备以下交互功能：

8.根据权利要求1-7任一项所述的一种活销塞孔缺陷检测系统的活销塞孔缺陷检测方法，其特征在于，所述方法包括：

9.根据权利要求8所述的活销塞孔缺陷检测方法，其特征在于，所述方法进一步包括：

10.根据权利要求8所述的活销塞孔缺陷检测方法，其特征在于，所述方法进一步还包括：

技术总结
本发明公开了一种活销塞孔缺陷检测系统及方法，属于内燃机制造和质量检测领域，包括：图像采集模块，包括多光谱成像设备，用于在不同的光谱范围内捕获活销塞孔的图像；图像分析模块，用于对采集的所述图像进行多维度处理和分析，识别缺陷类型和位置；评估模块，用于根据所述图像分析模块提供的数据，对检测到的缺陷进行严重性评估；数据输出模块，用于展示缺陷检测结果和严重性评级。本发明通过自适应选择控制器自动调整光谱设置；采用基于局部图像特性的自动参数调整，提供了更为精确和响应式的图像处理能力。通过整合深度学习和用户反馈，不仅在初次部署时表现出高效性，还能持续优化其性能，这是一种在工业检测系统中较少见的创新应用。

技术研发人员：杜举才,杜马,徐巍巍,杜凌君
受保护的技术使用者：扬州光辉汽车零部件有限公司
技术研发日：
技术公布日：2024/9/23